Характеристики

Контекст: 514 токенов
Параметры: 152 млн
Лицензия: MIT
Архитектура: roberta · dense
Базовая модель: roberta-base
Библиотека: transformers
Опубликована: 25 июн 2026

Ссылки

roberta-classifier

Классификация текстаТекст → label3 профессии

Дообученная RoBERTa-модель для классификации текста, пригодность которой следует проверять на целевой задаче из-за низких приведённых метрик.

8скачиваний за 30 дней0лайковвеса обновлены25 июн 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

B2306575/roberta-classifier — модель классификации текста на базе FacebookAI/roberta-base, дообученная разработчиком и опубликованная в формате safetensors. Она предназначена для отнесения текстов к классам; конкретная предметная область и набор меток в карточке не описаны. Модель содержит 151,8 млн параметров и поддерживает контекст до 514 токенов. Лицензия — MIT.

В приведённой оценке на тестовой выборке указаны accuracy 0,284 и F1 0,2332, поэтому результаты классификации могут быть слабыми. Данные обучения и целевые классы не описаны, что затрудняет оценку пригодности модели для конкретной задачи.

Сценарии применения

Классификация текста по заданным категориям
Экспериментальная оценка классификатора на размеченных текстах
Базовый ориентир для сравнения моделей классификации

Ограничения

В карточке указаны низкие метрики на оценочной выборке: accuracy 0,284 и F1 0,2332. Датасет, классы и предметная область не описаны, поэтому качество для конкретного применения неясно.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

I.11Универсальные способностиКлассификация, ранжирование и сопоставлениеAI помогает распределять объекты по категориям, устанавливать соответствия и определять порядок обработки.15 задач26 736моделей II.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей II.8Разработка и данныеИнженерия данных и аналитикаAI помогает готовить надёжные данные и превращать их в понятную аналитику.22 задачи23 488моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

roberta-classifier

This model is a fine-tuned version of FacebookAI/roberta-base on the None dataset. It achieves the following results on the evaluation set:

Loss: 2.1704
Accuracy: 0.2840
F1: 0.2332

Model description

More information needed

Intended uses & limitations

More information needed

Training and evaluation data

More information needed

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

learning_rate: 2e-05
train_batch_size: 16
eval_batch_size: 16
seed: 42
optimizer: Use OptimizerNames.ADAMW_TORCH_FUSED with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
lr_scheduler_type: linear
num_epochs: 2

Training results

Training Loss	Epoch	Step	Validation Loss	Accuracy	F1
No log	1.0	166	2.4968	0.2006	0.1284
No log	2.0	332	2.1704	0.2840	0.2332

Framework versions

Transformers 5.12.0
Pytorch 2.11.0+cu128
Datasets 4.0.0
Tokenizers 0.22.2

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers · text-classification

Можно запустить

Подбираем GPU…

Класс архитектуры: RobertaForSequenceClassification
Ревизия весов: b4bed71